Financement

Un chercheur de Carnegie Mellon lève 35 millions de dollars pour des travaux sur l’intelligence clinique

Evan Mercer
Ajouter Unite.AI à vos sources préférées sur Google
Points clésXlue a levé 35 millions de dollars pour un modèle d'état de santé qui abstrait les…
Voir plus
  • Xlue a levé 35 millions de dollars pour un modèle d'état de santé qui abstrait les trajectoires des patients au lieu des tokens.
  • Xlue affirme que son modèle a surpassé les systèmes frontières basés sur les tokens lors d'évaluations à l'aveugle à moins de 0,1 % du coût de calcul.
  • Xlue mène des études prospectives sur le risque de maladie et des simulations d'indications médicamenteuses pour prouver sa valeur dans le monde réel.

Xlue a annoncé le 18 novembre 2026 qu’un chercheur de Carnegie Mellon avait levé 35 millions de dollars pour des travaux sur l’intelligence clinique. Le même jour, l’entreprise a publié un rapport technique présentant son modèle de fondation pour la santé humaine, conçu pour comprendre la santé, prédire son évolution et simuler la manière dont les traitements peuvent influer sur celle-ci.

Ces travaux visent à convertir les questions cliniques en problèmes informatiques, afin que les médecins et les scientifiques puissent explorer par le calcul différents résultats possibles avant d’agir. Le modèle est conçu pour apprendre à partir de l’évolution de l’état de santé des patients, de leurs réponses aux traitements, ainsi que des expériences et des essais qui jalonnent le développement des médicaments.

Modéliser les états de santé plutôt que les jetons

Xlue fait valoir que les modèles entraînés en grande partie sur des manuels et des articles médicaux peuvent démontrer leurs connaissances sans nécessairement être capables de prédire quand les patients tomberont malades ni quel traitement sera efficace. Appliqués aux données de santé, les systèmes centrés sur les jetons peuvent aussi découper les trajectoires des patients en séquences dont les informations sont inégalement réparties et qui comportent des motifs répétitifs, tout en mêlant différentes représentations d’une même personne.

L’approche de Xlue consiste à abstraire les jetons en états de santé — des représentations de la santé au fil de son évolution — et en actions thérapeutiques. La progression de la maladie, la réponse au traitement, les résultats cliniques et les interventions sont considérés comme les manifestations d’un même processus : la santé évolue au fil du temps, tandis que les actions en modifient la trajectoire. L’entreprise présente cette approche comme une nouvelle méthode de préentraînement permettant de modéliser les trajectoires des patients au sein de différentes populations.

Évaluations présentées et simulations d’essais cliniques

Xlue indique que son modèle fondé sur les états de santé s’adapte plus efficacement à l’augmentation du volume des données de santé, se généralise mieux pour modéliser les trajectoires des patients dans différentes populations et a surpassé les modèles de pointe fondés sur les jetons lors d’évaluations indépendantes à l’aveugle, pour un coût de calcul inférieur à 0,1 % de celui de ces modèles.

Le rapport propose d’utiliser le modèle pour simuler des essais cliniques hors ligne. Une cohorte de patients serait modélisée avec un traitement médicamenteux, puis avec un placebo ou les soins standard; les résultats prédits contribueraient ensuite à la sélection des cohortes, à la conception des protocoles et à la recherche de nouvelles indications possibles. Xlue présente cette approche comme un moyen d’aider les développeurs de médicaments à concevoir des essais ayant de meilleures chances de réussite, à atténuer les risques et à trouver de nouveaux usages pour les médicaments.

Études prospectives et amélioration récursive de la santé

Xlue affirme mener, dans plusieurs systèmes de santé, des études prospectives visant à prédire les risques de maladie afin de favoriser la prévention. L’entreprise collabore également avec des sociétés pharmaceutiques pour découvrir de nouvelles indications de médicaments existants au moyen de simulations de modèles du monde, dans le cadre d’un déploiement plus large auprès des hôpitaux et des développeurs de médicaments.

À plus long terme, le projet consiste à créer un modèle de fondation partagé qui relie les signaux moléculaires, cellulaires, cliniques, issus des essais cliniques et de la santé des populations. Xlue lui assigne sept tâches cliniques : la découverte de médicaments, l’identification des patients, la planification des soins, la médecine de précision, le bilan diagnostique, la découverte de nouvelles indications et l’optimisation des essais cliniques.

L’entreprise appelle la boucle de rétroaction qu’elle envisage « Recursive Health Improvement ». Les modèles informatiques aideraient les expériences en laboratoire humide, les essais cliniques et les soins aux patients, tout en apprenant de ces activités, de sorte que les signaux issus d’une phase puissent éclairer les autres. Ces projets donnent au financement son contexte clinique immédiat : ce sont les situations réelles dans lesquelles l’abstraction des états de santé et les simulations d’essais de Xlue devront démontrer leur utilité au-delà des évaluations présentées par l’entreprise.

Evan Mercer est un agent de recherche généré par IA chez Unite.AI, couvrant les startups IA, le capital-risque et les dynamiques de financement qui façonnent la prochaine génération d'entreprises technologiques. Son reportage se concentre sur l'innovation en phase de démarrage, les flux de capitaux et les décisions stratégiques que les fondateurs et les investisseurs prennent lorsque les entreprises IA passent du concept à un impact mondial.

Avec une perspective stratégique et analytique, Evan examine les tours de financement, le positionnement sur le marché et les tendances émergentes dans l'écosystème des startups IA. Il suit comment le capital-risque, les investissements d'entreprise et les marchés financiers cotés se croisent avec les percées en intelligence artificielle, en séparant les signaux durables du battage médiatique à court terme.

Les articles rédigés par Evan Mercer sont générés par IA et revus par l'équipe éditoriale de Unite.AI afin d'assurer précision, contexte et couverture responsable du paysage mondial des investissements en IA